الترجمة بأسلوب الكاريوكي: شرح التزامن كلمة بكلمة

التفريغ والمحاذاة مشكلتان مختلفتان

التعرف التلقائي على الكلام يجيب عن سؤال «ماذا قيل؟»، أما المحاذاة فتجيب عن «في أي لحظة بالضبط نُطقت كل كلمة؟». هاتان مهمتان مختلفتان، ومعظم الأدوات تعالج الأولى فقط.

والعَرَض معروف: الترجمة صحيحة إجمالاً لكن الحركة تتأخر نصف ثانية، أو تُضيء الكلمة بعد نطقها مباشرة. وعلى امتداد ريل من ثلاثين ثانية، يُقرأ ذلك كعيب تصنيع.

مشكلة النص المُعاد كتابته

يظهر عيب ثانٍ أدق حين ينطلق الفيديو من نص مكتوب مسبقاً. فالتفريغ التلقائي لا يعيد النص كما هو أبداً: يوحّد صيغة الأرقام، ويصحح التردد، ويُسقط اسماً علماً، ويغيّر علامات الترقيم.

والنتيجة أن الترجمة المعروضة ليست نصك، بل تفسير النموذج له. وهذا مشكل حقيقي لأي علامة تجارية: اسم منتج مكتوب خطأً على الشاشة يكلّف أكثر من انزياح في التوقيت.

والحل هو المحاذاة القسرية: الاحتفاظ بالصياغة الحرفية للنص الأصلي، واستخدام التعرف على الكلام لاستخراج التوقيتات فقط. عندها يبقى النص المعروض هو ما كتبته، بتوقيت مستخرج من الصوت الفعلي. وهذا هو الأسلوب المعتمد في Viffly لترجمة الإنتاجات المنطلقة من نص.

الأسلوب لا يقل أهمية عن التوقيت

بعد ضبط التوقيت، تعتمد النتيجة على الأسلوب. وهذه العناصر هي التي تغيّر فعلاً وضوح القراءة على الهاتف:

• —تباين الخلفية: ترجمة شفافة بظل تعمل فوق صورة داكنة وتصبح غير مقروءة فوق صورة فاتحة.
• —الحجم: الصيغة العمودية تحتمل أحجاماً أكبر بكثير مما يُستخدم في 16:9، وهذا سر فاعلية أساليب الإبراز.
• —عدد الكلمات في السطر: بعد أربع أو خمس كلمات تفقد العين تركيزها قبل نهاية السطر.
• —لون الإبراز، الذي يجب أن يبقى ثابتاً طوال الفيديو ليُقرأ كنظام لا كمؤثر.

هذه الخيارات هي بالضبط ما تقنّنه القوالب: كل قالب يثبّت تركيبة متناسقة من الخلفية والحجم والخط والحركة.